于是乎最先查阅GPU和Theano的相干观点。
以下是Nvidia官网对GPU的笔墨引见，视频特别直观。
GPU 加快的计算是应用一颗图形处置惩罚器 (GPU) 以及一颗 CPU 来加快科学、工程以及企业级应用程序。 NVIDIA® 于 2007 年在这方面领先迈出了第一步，GPU 现已造诣了世界各地政府实验室、大学、企业以及中小企业内的节能数据中心。
应用程序怎样应用 GPU 完成加快
明白 CPU 与 GPU 之间区分的一种简朴体式格局就是对照它们怎样处置惩罚使命。 CPU 由专为递次串行处置惩罚而优化的几个中心构成。另一方面，GPU 则由数以千计的更小、更高效的中心构成，这些中心专为同时处置惩罚多使命而设想。
GPU具有数以千计的中心，可高效地处置惩罚并行使命
Theano是主流的深度进修Python库之一，亦支撑GPU，然则Theano入门较难。
基于Python的深度进修
完成神经网络算法的Python库中，最受迎接的当属Theano。然则，Theano并非严厉意义上的神经网络库，而是一个Python库，它可以完成林林总总的数学笼统。正因为如此，Theano有着峻峭的进修曲线，所以我将引见基于Theano构建的有更平缓的进修曲线的两个神经网络库。
第一个库是 Lasagne。该库供应了一个很好的笼统，它许可你构建神经网络的每一层，然后堆叠在相互的顶部来构建一个完全的模子。只管这比Theano显得更好，然则构建每一层，然后附加在相互顶部会显得有些冗杂乏味，所以我们将运用 Nolearn库，它在Lasagne库上供应了一个相似 Scikit-Learn作风的API，可以轻松地构建多层神经网络。
机械进修
supervised learning
有监视进修(supervised learning)是指数据中包含了我们想展望的属性，有监视进修题目有以下两类：
classification
分类（classification）:样本属于两个或多个种别，我们愿望通过从已标记种别的数据进修，来展望未标记数据的分类。比方，辨认手写数字就是一个分类题目，其目的是将每一个输入向量对应到有穷的数字种别。从另一种角度来思索，分类是一种有监视进修的离散（相关于一连）情势，关于n个样本，一方有对应的有限个种别数目，另一方则试图标记样本并分配到准确的种别。
regression
回归(regression):假如愿望的输出是一个或多个一连的变量，那末这项使命被称作回归，比如用岁数和体重的函数来展望三文鱼的长度。
以上就是python gpu 什么意思的细致内容，更多请关注ki4网别的相干文章！
